最小二乘支持向量机-粒子群算法在地下厂房围岩参数反分析中的应用

为准确确定地下厂房围岩的弹性模量、泊松比、黏聚力、内摩擦角、侧压力系数等参数,以正交设计、最小二乘支持向量机和粒子群算法等现代数学方法为基本手段,建立基于位移增量的围岩参数反分析方法。以CCS水电站大型地下厂房为研究背景,通过工程地质条件研究选取8#机组剖面作为分析对象,采用二维弹塑性有限元方法建立地质结构分析模型。以地下厂房洞室群分层开挖多点位移计实测位移增量为依据,对CCS水电站地下厂房区域围岩力学特性及地应力场特征进行反分析。研究结果表明： 主厂房第Ⅵ层与第Ⅰ层开挖和主变室第4层与第1层开挖所产生的位移增量计算值与多点位移计实测值吻合较好,最大相对误差小于10%,说明采用最小二乘支持向量机和粒子群算法相结合的反分析方法在工程上是可行的,且效果较为显著。     

基于粒子滤波的跟踪算法研究

在非线性条件下,扩展Kalman 滤波（ EKF）的应用最为广泛。但是,由于它采用了Taylor展开的线性变换来近似非线性模型,因而存在计算量大、实时性差、估计精度低等缺点。粒子滤波（ PF）用一些带有权值的随机样本（粒子）来表示所需要的后验概率密度,并通过这些粒子的加权来估计目标运动的状态,从而得到基于物理模型的近似最优数值解,具有精度高、收敛速度快等特点。通过仿真实验将PF与EKF的性能进行了对比,并且研究了噪声协方差与粒子数对PF的影响。 PF与EKF的对比实验结果表明,在强非线性条件下,PF比EKF跟踪精度更高,误差更低。     

基于粒子群算法的导弹初始备件优化配置

从备件的优化配置出发,建立了在费用和装备完好率共同约束下的备件优化模型。利用收敛速度快、全局寻优能力强、编程实现简单的特点,粒子群算法应用于该模型的求解,得到导弹初始备件的最优配置。案例分析结果表明了粒子群算法解决该问题的有效性。     

保障使命任务分解与流程集成方法研究

保障使命任务分解是保障流程分析与建模的基础,运用美国国防部体系框架（Department of Defense Architecture Frame—work,DoDAF）,给出了体系使命分解的原则与建立保障任务静态模型的方法,在任务分解的基础上,建立了保障任务静态模型,提出了基于Petri网的保障体系集成建模方法,给出了模型的概念视图,介绍了流程动态规划模型的建立方法,运用上述模型与方法对实际案例进行分析与应用,验证了模型和方法的有效性。     

基于权值优选粒子滤波的雷达目标跟踪

本文详细分析了粒子滤波的特点,给出了基于权值优选的粒子滤波算法,对雷达目标进行了跟踪。仿真结果表明,基于权值优选的粒子滤波算法在N值较小的情况下较标准粒子滤波算法具有更明显的优势。     

船体零件智能优化排样系统的设计研究

针对船体零件的排样问题,开发了基于智能算法的板材套料优化排样系统。该系统采用粒子群算法,并将免疫记忆和浓度机制引入算法提高了零件的排序优化速度。通过零件图形信息数据库管理模块和排样解码算法,实现图形的输入和编码、定位排放和正交靠接及自动计算生成最优排样结果。排样实例表明了该系统具有良好界面和人机交互功能,且有效提高了排样自动化程度和材料利用率。     

基于颗粒流的膨胀土路基破坏特征分析

研究目的:膨胀土具有强烈胀缩性,常处于非饱和状态,对水分状态的变化十分敏感,并由此引起膨胀土强度和体积的变化,往往造成工程建筑物的破坏。结合新建玉蒙线膨胀土路基的修筑,利用颗粒流离散元方法,对膨胀土的干湿胀缩效应从颗粒间强度变化及颗粒体积胀缩入手进行数值模拟,分析膨胀土路基在干湿胀缩循环下的破坏特征及过程。研究结论:颗粒流数值方法可以合理再现膨胀土的室内加压平衡法膨胀力测试实验及自由膨胀率测试实验;通过对膨胀土路基进行单次胀缩及多次胀缩模拟试验,可从细观角度揭示了膨胀土路基在胀缩循环下的浅表层塌滑现象;对比现场部分填筑中路基的破坏特征,表明数值模拟与现场情况基本吻合。     

基于发动机在环的重型柴油车实际道路细小颗粒物排放特性研究

本文中选取了一台7.8L的重型柴油机,在发动机台架上运行WHSC(世界统一稳态循环)、冷热态WHTC(世界统一瞬态循环),并通过发动机在环的方法在发动机台架上运行重型柴油车实际道路(PEMS)循环,采用能够同时测量PN10(10 nm以上颗粒物数量)和PN23(23 nm以上颗粒物数量)的颗粒计数器等设备测量了细小颗粒...     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于广义费用函数的城际铁路分时定价策略研究

随着我国城市群的发展,区域内部各城市之间的客流需求不断增长,城际铁路作为城市间出行的主要方式,客流在高峰、低谷时段具有明显的不均衡性。为了更加平稳有序地提供高质量服务,充分发挥票价调节供需匹配关系的作用,对城际铁路分时定价策略进行研究,构建不同时刻、不同运输方式的旅客出行广义费用函数,建立双层规划模型,优化不同时段城际铁路票价,并结合Frank-Wolfe算法和带有惯性权重的粒子群算法,求解双层规划模型。最后,以京津城际铁路为例,验证了分时定价策略可以使客流分布更加均衡,并提高铁路运输部门收益。